Tese

Can adaptive diffusion networks do better with less data? (2024)

• Authors:
  • Tiglea, Daniel Gilio
  • Silva, Magno Teófilo Madeira da (Orientador)
  • Candido, Renato (coorient)
• Autor USP: TIGLEA, DANIEL GILIO - EP
• Unidade: EP
• Sigla do Departamento: PSI
• Subjects: FILTROS ELÉTRICOS ADAPTATIVOS; PROCESSAMENTO DE SINAIS; REDES DE COMPUTADORES; SISTEMAS DISTRIBUÍDOS
• Agências de fomento:
  • Financiamento PROEX/CAPES
• Language: Inglês
• Abstract: As redes de difusão adaptativa consistem em um conjunto de agentes capazes de medir e processar localmente dados em tempo real e de cooperar entre si para melhorar o desempenho geral. Desde o seu surgimento, essas redes se consolidaram como ferramentas interessantes para estimação e aprendizagem distribuída e deram origem a diversos tipos de soluções para esses problemas. A fim de reduzir a quantidade de dados medidos, processados e transmitidos nessas redes, diversas técnicas foram propostas na literatura. Frequentemente, elas afetam o desempenho das soluções originais, mas são necessárias para prolongar a vida útil da rede. Neste trabalho, além de uma extensa revisão bibliográfica, são apresentadas técnicas de amostragem que eliminam a necessidade de medir e processar os dados em todos os nós a cada instante de tempo. Ao controlar a amostragem dos nós com base no seu erro de estimação, as técnicas propostas são capazes de manter a taxa de convergência das soluções originais, ao mesmo tempo em que alcançam menor custo computacional e melhor desempenho no regime permanente. Isso ocorre às custas apenas de um ligeiro aumento no custo computacional durante o transitório em comparação com o das soluções originais. Além disso, com pequenas modificações, as técnicas apresentadas também podem ser utilizadas para restringir o número de transmissões entre os nós da rede. Por último, é apresentada uma análise teórica para compreender o desempenho das soluções propostas, que concorda com os resultados de simulações.
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2024
• Data da defesa: 19.06.2024
• Premiações recebidas: 1º Prêmio da Sociedade Brasileira de Telecomunicações (SBrT) de Melhor Tese de Doutorado


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  TIGLEA, Daniel Gilio. Can adaptive diffusion networks do better with less data?. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20082024-094623/pt-br.php. Acesso em: 09 jan. 2026.

• APA

  Tiglea, D. G. (2024). Can adaptive diffusion networks do better with less data? (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20082024-094623/pt-br.php

• NLM

  Tiglea DG. Can adaptive diffusion networks do better with less data? [Internet]. 2024 ;[citado 2026 jan. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20082024-094623/pt-br.php

• Vancouver

  Tiglea DG. Can adaptive diffusion networks do better with less data? [Internet]. 2024 ;[citado 2026 jan. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20082024-094623/pt-br.php

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.